คำตอบเผยแพร่แล้ว21 แหล่งที่มา
Clover-35B-A3B โมเดลภาษาแบบ Diffusion ที่มุ่งสู่งานเขียนโค้ดและเอเจนต์ AI
Clover 35B A3B Preview เป็นโมเดลภาษาแบบ diffusion ที่เปิดให้ใช้ค่าน้ำหนัก มุ่งเน้นงานเขียนโค้ดและเอเจนต์ที่ใช้เครื่องมือ มีพารามิเตอร์รวม 35 พันล้าน และเปิดใช้งานราว 3 พันล้านพารามิเตอร์ต่อโทเคน โมเดลสร้างข้อความเป็นบล็อก โดยใช้ attention แบบสองทิศทางภายในแต่ละบล็อก ต่างจากการสร้างทีละโทเคนจากซ้ายไปขวา แต่รูปแบบนี้ย...
เผยแพร่โดยแก้ไขด้วย GPT-6 Lunaรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย
ประเด็นสำคัญ
- Clover 35B A3B Preview เป็นโมเดลภาษาแบบ diffusion ที่เปิดให้ใช้ค่าน้ำหนัก มุ่งเน้นงานเขียนโค้ดและเอเจนต์ที่ใช้เครื่องมือ มีพารามิเตอร์รวม 35 พันล้าน และเปิดใช้งานราว 3 พันล้านพารามิเตอร์ต่อโทเคน
- โมเดลสร้างข้อความเป็นบล็อก โดยใช้ attention แบบสองทิศทางภายในแต่ละบล็อก ต่างจากการสร้างทีละโทเคนจากซ้ายไปขวา แต่รูปแบบนี้ยังไม่ใช่หลักฐานว่าการเรียกใช้เครื่องมือหรือการกู้คืนเมื่อทำงานพลาดจะเชื่อถือได้
- DiffuSpace ระบุว่าทำความเร็วได้สูงสุด 680 โทเคนต่อวินาทีบน GB300 หนึ่งตัว ส่วนการทดสอบเว็บเอเจนต์อีกชุดรายงานเวลาทำงานมัธยฐาน 1.52 วินาทีจาก 49 งาน
AI พรอมต์
openai.comCreate a landscape editorial hero image for this Studio Global article: What is DiffuSpace’s Clover-35B-A3B-Preview, open-sourced on October 29, 2026 by the team behind Dream 7B, and how does it target coding, to. Article summary: Clover-35B-A3B-Preview is DiffuSpace’s open-weight, text-only diffusion language model, adapted from Qwen3.6-35B-A3B and associated with the HKU team behind Dream 7B; its reported emphasis is agentic coding and tool use . Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Clover-35B-A3B-Preview คือโมเดลภาษาแบบ diffusion ที่รับและสร้างข้อความ พัฒนาโดย DiffuSpace จาก Qwen3.6-35B-A3B โดยออกแบบให้เหมาะกับงานเขียนโค้ดและเอเจนต์ที่ใช้เครื่องมือ ไม่ได้มุ่งแค่การสนทนาทั่วไป DiffuSpace รายงานคะแนนที่น่าสนใจในงานประเภทเอเจนต์ แต่ข้อมูลที่มีอยู่ยังไม่ได้รับการยืนยันอย่างอิสระ และยังไม่พิสูจน์ว่าโมเดลทำงานยาว ๆ ที่มีโอกาสผิดพลาดได้อย่างเสถียร 3
5
21
Clover สร้างข้อความเป็นบล็อกอย่างไร
โมเดลภาษาแบบ autoregressive ทั่วไปจะสร้างข้อความจากซ้ายไปขวาทีละโทเคน ส่วน Clover ใช้แนวทางที่เรียกว่า block diffusion: สร้างข้อความเป็นบล็อก โดยเปิดให้แต่ละบล็อกประมวลผลข้อมูลได้สองทิศทาง ขณะยังคงรักษา prefix แบบ causal หรือข้อความก่อนหน้าที่กำหนดบริบทไว้ 2
4
โมเดลนี้ดัดแปลงจาก Qwen3.6-35B-A3B และใช้สถาปัตยกรรมแบบ mixture of experts (MoE) ซึ่งมีพารามิเตอร์รวม 35 พันล้าน แต่ใช้พารามิเตอร์ที่ทำงานอยู่ราว 3 พันล้านต่อโทเคน คำอธิบายโมเดลยังระบุโหมดคิดและบริบทได้ประมาณ 128K โทเคน 5
8
ข้อมูลที่เผยแพร่กล่าวถึงพารามิเตอร์ Gated DeltaNet ที่เรียนรู้ได้ในดีไซน์ block diffusion ด้วย แต่รายละเอียดที่มีไม่เพียงพอจะประเมินบทบาทของการปรับโครงสร้าง Gated DeltaNet หรือวิธีปรับขนาดบล็อกที่เรียนรู้ได้อย่างเจาะจง 2
7
คะแนนเอเจนต์บอกอะไร และยังตอบอะไรไม่ได้
DiffuSpace วางตำแหน่ง Clover ไว้สำหรับการเขียนโค้ดแบบเอเจนต์และการใช้เครื่องมือ ผลทดสอบที่รายงานครอบคลุมงานซ่อมบั๊กซอฟต์แวร์ งานผ่านเทอร์มินัล และการเรียกใช้ฟังก์ชัน นอกจากนี้ยังมีรายงานทดสอบเว็บเอเจนต์และตัวอย่างงานอย่างการลงทะเบียน การจัดการใบแจ้งหนี้ และการค้นหาข้อมูล 21
อย่างไรก็ตาม หลักฐานที่มีไม่ได้ยืนยันความสามารถของ Clover ในการสร้างส่วนติดต่อผู้ใช้ฝั่งหน้าเว็บ (front-end) และไม่ได้แสดงว่า block diffusion เพียงอย่างเดียวจะป้องกันการเรียกใช้เครื่องมือในรูปแบบผิด หรือหยุดการลองทำขั้นตอนเดิมซ้ำเมื่อผิดพลาดได้ คำถามเรื่องความเสถียรเหล่านี้ต้องทดสอบกับงานจริงเป็นรายกรณี ความเร็วในการสร้างข้อความหรือคะแนนเบนช์มาร์กเพียงอย่างเดียวตอบไม่ได้
ผลเบนช์มาร์กที่มีการรายงาน
คะแนนต่อไปนี้มาจาก DiffuSpace หรือรายงานข่าวที่กล่าวถึงผลของทีม จึงควรมองเป็นผลที่ผู้พัฒนารายงาน ไม่ใช่ผลที่ผ่านการตรวจสอบโดยอิสระ 21
| การทดสอบ | คะแนนที่รายงาน |
|---|---|
| SWE-bench Verified | 73.6 |
| Terminal-Bench 2.1 | 51.7 |
| τ³ Overall | 65.3 |
| BFCL-v4 | 67.9 |
แหล่งข้อมูลที่มีไม่ได้ให้รายละเอียดการทดสอบที่เทียบกันได้มากพอจะสรุปส่วนต่างที่แน่นอนเมื่อเทียบกับ Qwen3.6-35B-A3B หรือโมเดล autoregressive ขนาดใกล้เคียงกัน ควรระวังการเปรียบเทียบ หากการตั้งค่าโมเดลและเงื่อนไขทดสอบไม่ตรงกัน
ความเร็วและผลทดสอบเว็บเอเจนต์
หน้าเปรียบเทียบโมเดลระบุว่า DiffuSpace วัดความเร็วสูงสุดได้ 680 โทเคนต่อวินาทีบน NVIDIA GB300 หนึ่งตัว 27 ส่วนรายงานเว็บเอเจนต์ WindTunnel ทดสอบ 49 งาน โดยลองทำงานละสามครั้ง และระบุว่า Clover ใช้เวลาทำงานมัธยฐาน 1.52 วินาที เทียบกับ 3.21 วินาทีของ Jev ร่วมกับ Mercury 2.5 รายงานเดียวกันระบุอัตราความสำเร็จต่อครั้งไว้ที่ 98.6% และ 95.9% ตามลำดับ ตัวเลขเหล่านี้เป็นผลจากการประเมินที่รายงาน ไม่ใช่หลักประกันว่าโมเดลจะทำงานได้ดีในทุกเวิร์กโฟลว์บนเบราว์เซอร์
21
ข้อมูลที่มีไม่รองรับตัวเลขความเร็วของ Clover บน H200 หนึ่งตัว หรือการเปรียบเทียบความเร็วโดยตรงกับ speculative decoding ของ DFlash2 มีบันทึกเดโม ZeroGPU ที่ชุมชนทำไว้ แต่การมีเดโมให้ลองไม่ได้เท่ากับมีผลเบนช์มาร์ก 1
ค่าน้ำหนัก ใบอนุญาต และช่วงเวลาที่เปิดตัว
คลังค่าน้ำหนักทางการของ Clover อยู่บน Hugging Face และ DiffuSpace ระบุคลัง GGUF ทางการสำหรับใช้งานบนเครื่อง 5
6 PC Watch รายงานว่าโมเดลใช้ใบอนุญาต Apache 2.0 และมีโค้ดสำหรับรัน inference ผ่าน Transformers ส่วนโค้ดรองรับและคู่มือติดตั้งสำหรับ SGLang และ llama.cpp ระบุว่าจะเผยแพร่ภายหลัง
17
วันเปิดตัวที่รายงานไม่ตรงกันทั้งหมด: PC Watch ระบุวันที่ 28 ตุลาคม ตามเวลาจีน ขณะที่บทความเปิดตัวของ DiffuSpace บน Hugging Face ลงวันที่ 30 ตุลาคม 3
17 แหล่งข้อมูลยังบันทึกเดโมแชต ZeroGPU ที่ชุมชนจัดทำขึ้น แต่ไม่ยืนยันรายละเอียดแผนเอเจนต์ฮาร์เนสหรือไคลเอนต์เขียนโค้ดบนเดสก์ท็อป
1
สรุป: น่าจับตา แต่ยังเร็วเกินไปที่จะฟันธง
Clover เป็นความพยายามที่น่าสนใจในการนำ block diffusion มาใช้กับเอเจนต์เขียนโค้ดและเอเจนต์ที่เรียกใช้เครื่องมือ สถาปัตยกรรมแตกต่างจากการสร้างข้อความทีละโทเคนจากซ้ายไปขวา และผลทดสอบด้านความเร็วกับเบนช์มาร์กที่รายงานก็ควรติดตามต่อไป แต่ข้อกล่าวอ้างเหล่านี้ยังเป็นข้อมูลเบื้องต้น การทดสอบจากภายนอกควรตรวจทั้งรูปแบบการเรียกใช้เครื่องมือ ความสามารถในการแก้ทางเมื่อเจอข้อผิดพลาด การทำงานให้สำเร็จในเวิร์กโฟลว์ที่ยาว และเวลาตั้งแต่ต้นจนจบ ไม่ใช่ดูแค่จำนวนโทเคนต่อวินาที
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "Clover-35B-A3B โมเดลภาษาแบบ Diffusion ที่มุ่งสู่งานเขียนโค้ดและเอเจนต์ AI" คืออะไร
Clover 35B A3B Preview เป็นโมเดลภาษาแบบ diffusion ที่เปิดให้ใช้ค่าน้ำหนัก มุ่งเน้นงานเขียนโค้ดและเอเจนต์ที่ใช้เครื่องมือ มีพารามิเตอร์รวม 35 พันล้าน และเปิดใช้งานราว 3 พันล้านพารามิเตอร์ต่อโทเคน
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
Clover 35B A3B Preview เป็นโมเดลภาษาแบบ diffusion ที่เปิดให้ใช้ค่าน้ำหนัก มุ่งเน้นงานเขียนโค้ดและเอเจนต์ที่ใช้เครื่องมือ มีพารามิเตอร์รวม 35 พันล้าน และเปิดใช้งานราว 3 พันล้านพารามิเตอร์ต่อโทเคน โมเดลสร้างข้อความเป็นบล็อก โดยใช้ attention แบบสองทิศทางภายในแต่ละบล็อก ต่างจากการสร้างทีละโทเคนจากซ้ายไปขวา แต่รูปแบบนี้ยังไม่ใช่หลักฐานว่าการเรียกใช้เครื่องมือหรือการกู้คืนเมื่อทำงานพลาดจะเชื่อถือได้
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
DiffuSpace ระบุว่าทำความเร็วได้สูงสุด 680 โทเคนต่อวินาทีบน GB300 หนึ่งตัว ส่วนการทดสอบเว็บเอเจนต์อีกชุดรายงานเวลาทำงานมัธยฐาน 1.52 วินาทีจาก 49 งาน